大數據挖掘和分析在實踐中會遇到以下問題：

1、數據質量問題：大數據環境下，數據來源眾多，數據質量參差不齊，存在數據錯誤、缺失值、異常值等問題，這些問題會影響數據分析的準確性和可靠性。

2、數據處理問題：由于數據量龐大，數據處理和分析的難度加大，需要耗費大量的時間和計算資源。同時，數據處理的算法和工具也面臨著挑戰，需要更加高效和穩定。

3、數據安全問題：大數據中包含大量的敏感信息和隱私數據，如何保證數據的安全和隱私是一個重要的問題。同時，大數據的存儲和管理也需要考慮安全性和可靠性。

4、數據分析結果解讀難度大：大數據挖掘和分析的結果往往非常復雜，需要專業的知識和技能進行解讀和理解。同時，如何將分析結果轉化為實際業務決策和應用也是一個挑戰。

5、技術和資源限制：大數據挖掘和分析需要強大的技術和資源支持，包括高性能計算機、大規模存儲設備、云計算平臺等。這些技術和資源的成本較高，可能限制大數據挖掘和分析的應用范圍。

6、數據可視化問題：大數據挖掘和分析的結果需要進行可視化展示，以便更好地理解和解釋。但是，如何選擇合適的可視化工具和技術，以及如何設計出易于理解的圖表和圖像也是一個挑戰。

7、數據治理問題：大數據環境下，數據的來源、格式、質量、安全等方面都存在多樣性，需要建立有效的數據治理機制，以保證數據的統一管理、使用和監管。

8、算法和模型的可解釋性問題：大數據挖掘和分析中使用的算法和模型往往非常復雜，難以解釋其工作原理和決策依據。這可能導致人們對分析結果的不信任和對結果的誤用。

9、數據處理速度問題：在實時數據分析中，需要快速處理大量數據并及時提供分析結果。然而，現有的數據處理技術和算法可能無法滿足這種速度要求，導致數據處理速度成為瓶頸。

10、法律和道德問題：大數據的采集和使用涉及到法律和道德問題，如個人隱私保護、知識產權保護等。在大數據挖掘和分析中需要遵守相關法律法規和倫理規范。

綜上所述，大數據挖掘和分析面臨的問題是多方面的，需要在技術、方法、資源、人才等方面進行綜合考慮和解決。同時，也需要建立相應的標準和規范，以保證大數據挖掘和分析的可靠性和可持續性發展。